Algoritma untuk menentukan nilai awal Algoritma untuk menentukan nilai awal dengan menggunakan
5. Algoritma untuk menentukan nilai awal
dan nilai estimator θ θˆ Terdapat beberapa langkah yang digunakan untuk mendapatkan nilai awal dan nilai estimator dari model regresi Lognormal, yaitu Langkah1. Algoritma untuk menentukan nilai awal dengan menggunakan
Metode Kuadrat Terkecil θ 1. Masukkan data sekunder. 2. Tentukan nilai dari peubah tak bebas . Y 3. Buat matrik dari peubah bebas . X 4. Buat transpose dari matrik peubah bebasnya X . 5. Hitung nilai awal , ˆ ˆ σ β θ = dengan rumus : i Y . . ˆ 1 X X X β − = ii y Var = ˆ σ Keterangan : X = Matrik berukuran p r × dari peubah bebas. X = Transpose dari X . = Matrik berukuran Y 1 × r dari data i i t y log = . Matematika 691 r = ∑ = n i i 1 δ Langkah 2. Algoritma untuk menentukan nilai estimator dengan metode Newton ‐ Raphson. θˆ 1. Masukkan data sekunder data tahan hidup 2. Masukkan nilai estimator awal dengan mengambil yang h θ = h diperoleh melalui Metode Kuadrat Terkecil, dalam bentuk persamaan sebagai berikut : ⎟⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ ⎞ ⎜⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ ⎛ = 3 2 1 σ β β β β β p M θ 3. Menghitung fungsi pada persamaan 4.3 dan 4.4 : σ δ δ σ β σ il n i i i n i i il i l x z V z x LogL ⋅ − + = ∂ ∂ ∑ ∑ = = 1 1 1 1 , β { } ∑ ∑ ∑ = = = ⋅ − + + − = ∂ ∂ n i i i i n i i i n i i z z V z LogL 1 1 2 1 1 1 1 1 , δ σ δ σ δ σ σ σ β dengan p l , , 2 , 1 , K = Sehingga akan diperoleh bentuk vektor dari h θˆ ~ = F sebagai berikut : ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ ⎛ = + h h h h h h θ θ θ θ θ θ ˆ ˆ ˆ ˆ ˆ ˆ 1 2 1 ~ p p F F F F F F M SEMNAS Matematika dan Pend. Matematika 2007 692 4. Menentukan matrik Jacobian untuk iterasi dengan persamaan 4.5, 4.6, dan 4.7 : h ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ = + + + σ β β σ β β σ β β σ β β σ h h h h h h h h h h h h h θ θ θ θ θ θ θ θ θ θ θ θ β ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ , ˆ 1 1 1 1 1 1 1 1 1 1 p p p p p p h F F F F F F F F F F F F J L M L L 5. Hitung nilai dengan rumus : 1 h θ + ˆ h h h 1 h θ θ θ θ ˆ . ˆ ˆ ˆ ~ 1 F J − + − = 6. Jika diperoleh nilai max ε − + h 1 h θ θ ˆ ˆ dengan ε yang ditentukan , maka dilanjutkan ke langkah 7, tapi jika tidak maka proses diulang ke langkah 3 dengan mengambil 1 + = h h . 7. Dapatkan nilai estimator . 1 h h θ θ + = ˆ ˆ6. Aplikasi Data Riil
Parts
» Staff Site Universitas Negeri Yogyakarta
» Dr. Djaelani 3. Dr. Rusgianto HS Sahid, M.Sc.
» Pendahuluan Staff Site Universitas Negeri Yogyakarta
» Statistika Staff Site Universitas Negeri Yogyakarta
» Pembahasan Staff Site Universitas Negeri Yogyakarta
» Rancangan Percobaan dan Analisis Variansi
» Kesimpulan Staff Site Universitas Negeri Yogyakarta
» Perumusan Tinjauan Pustaka PENDAHULUAN
» Tujuan Penelitian Manfaat Penelitian
» HASIL Staff Site Universitas Negeri Yogyakarta
» Belajar T I N J A U A N P U S T A K A
» Pendekatan Mathematics Problem Solving
» SWiSHmax T I N J A U A N P U S T A K A
» Populasi dan Sampel Desain Penelitian
» Metode Pengumpulan Data Instrumen Penelitian Teknik Analisis Data
» Simpulan Saran S I M P U L A N D A N S A R A N
» Pemahaman Matematika Model Belajar Kooperatif Tipe Student Team Achievement Division
» Model Belajar Kooperatif Tipe Teams Games Tournament TGT Model Belajar Kelompok Tipe Jigsaw
» LANDASAN TEORI Teknik Sampling
» Populasi dan Sampel Variabel Penelitian Deskriptif Data Uji
» British context: the works of David Tall
» Taiwaness Context: the works of Fou Lai Lin
» Singapore Staff Site Universitas Negeri Yogyakarta
» Malaysian Staff Site Universitas Negeri Yogyakarta
» Indonesian Staff Site Universitas Negeri Yogyakarta
» Metode Eksperimen Hasil Pengembangan Perangkat Pembelajaran
» Simpulan Saran Staff Site Universitas Negeri Yogyakarta
» Metakognitif Pembelajaran Matemátika dengan Pendekatan Metakognitif
» Kemampuan Pemecahan Masalah Pembahasan
» Pembelajaran Matematika dengan Pendekatan Metakognitif dalam
» Pentutup Staff Site Universitas Negeri Yogyakarta
» Pelaksanaan Siklus 2 Staff Site Universitas Negeri Yogyakarta
» Instrumen Skala Sikap Format Observasi Format Wawancara Tes Pengetahuan Penunjang
» Data Hasil Non Tes Kemampuan Pengetahuan Penunjang
» Kemampuan Koneksi Matematik KKM Siswa
» g dan i berturut‐turut dibagi s hasilnya p dan q t, y, dan s bilangan prima.
» Latar belakang Staff Site Universitas Negeri Yogyakarta
» Peran guru dalam proses pembelajaran Proses pembelajaran sentra
» Perkembangan Psikososial Perkembangan Bahasa dan Komunikasi Perkembangan Seni
» Identifikasi fokus masalah. Pengumpulan data. Analisis dan interpretasi data. Penyusunan rencana.
» Pelaksanaan. Pembelajaran Kooperatif Tipe Teams‐Games‐Tournaments TGT
» Pendidikan Lingkungan Hidup Konsep Sekolah Berwawasan Lingkungan
» Sikap Ramah Lingkungan Staff Site Universitas Negeri Yogyakarta
» Proses dan Kualitas Pembelajaran
» Perkuliahan Komputasi Statistik Staff Site Universitas Negeri Yogyakarta
» Sisi – Sisi Metakognitif Staff Site Universitas Negeri Yogyakarta
» Kesadaran diri dari proses berpikir seseorang
» Kontrol atau monitoring diri dari proses berpikir seseorang
» Latar Belakang Masalah Pembelajaran Matematika dengan Pendekatan Metakognitif
» Rumusan Masalah Tujuan Penelitian Desain Penelitian
» Populasi dan Sampel Hasil Penelitian
» Kemampuan Berpikir Kreatif Staff Site Universitas Negeri Yogyakarta
» Kesimpulan Rekomendasi Deskripsi Jawaban Siswa
» Dapatkah Staff Site Universitas Negeri Yogyakarta
» Bertukar Pasangan Berpikir ‐ Berpasangan ‐ Berempat
» Berkirim Salam dan Soal . Kepala Bernomor
» Bahasan Himpunan Dua Tinggal Dua Tamu two stay two stray
» Bahasan Statistik Tinjauan Pokok Bahasan Statistik Tingkat SMP Daftar Frekuensi
» Setting Penelitian dan Subyek Penelitian .
» Rencana Tindakan Pelaksanaan Tindakan
» Analisis Hasil Penelitian Keaktifan Siswa Dalam PBM Analisis Hasil Test Prestasi Belajar Siswa
» Analisis Hasil Penelitian Keaktifan Siswa Dalam PBM
» Analisis Hasil Test Prestasi Belajar siswa Kelas VIII SMPN 2 Pringkuku
» Matematika Untuk SMPMTs VIII. Bandung : Sarana Metodologi Penelitian Pendidikan , Penerbit SIC
» Masalah Tujuan Staff Site Universitas Negeri Yogyakarta
» KESIMPULAN Level 4 Ketatrigor: Siswa pada tingkat ini memahami aspek‐aspek formal
» Model Nested Logit Staff Site Universitas Negeri Yogyakarta
» Overlapping Nest Staff Site Universitas Negeri Yogyakarta
» Rancangan Percobaan dan Membangkitkan data
» Model MNL dan model nest logit
» Model Multinomial Probit MNP
» Identifikasi Paramater Staff Site Universitas Negeri Yogyakarta
» Variasi individu Staff Site Universitas Negeri Yogyakarta
» Plotting Data Sampel Penentuan Hipotesis Penaksiran Parameter Uji Anderson‐Darling
» Sampling Proporsi Taksiran Distribusi Kematian
» PENDAHULUAN KESIMPULAN Staff Site Universitas Negeri Yogyakarta
» Pendahuluan RUMUSAN MASALAH Staff Site Universitas Negeri Yogyakarta
» Interval Kepercayaan untuk Kajian Teori
» Kesimpulan Daftar Pustaka Staff Site Universitas Negeri Yogyakarta
» Algoritma untuk menentukan nilai awal Algoritma untuk menentukan nilai awal dengan menggunakan
» A., Mood, A. M. and Boes, D. C., 1963, Introduction To The Theory of
» Latar Belakang Masalah Rumusan Masalah
» Manfaat penelitian Staff Site Universitas Negeri Yogyakarta
» Model Regresi Logistik Staff Site Universitas Negeri Yogyakarta
» Model Neural Networks NN untuk Klasifikasi Data
» Metode Penelitian Persentase Ketepatan Masa Studi Mahasiswa Ketepatan
» Penutup Daftar Pustaka Staff Site Universitas Negeri Yogyakarta
» GRUP TOPOLOGIS Staff Site Universitas Negeri Yogyakarta
» SUBGRUP TOPOLOGIS Staff Site Universitas Negeri Yogyakarta
» GRUP TOPOLOGIS KUOSEN Staff Site Universitas Negeri Yogyakarta
» Asumsi dan Model Inventory Multi‐Item
» Program Nonlinear Probabilistik Hasil Peneltian dan Pembahasan
» Model regresi linier log gamma Estimasi parameter regresi log gamma dengan metode MLE
» Penerapan program pada kasus data tahan hidup
» Aplikasi pada Data Pasien Myeloma Kanker Tulang
» 23‐33. Staff Site Universitas Negeri Yogyakarta
» PENDAHULUAN Latar Staff Site Universitas Negeri Yogyakarta
» METODOLOGI Staff Site Universitas Negeri Yogyakarta
» HASIL DAN PEMBAHASAN Staff Site Universitas Negeri Yogyakarta
» Model Regresi Cox Estimasi Parameter Dalam Model Regresi Cox Menentukan fungsi Partial Likelihood
» APLIKASI DATA REAL Estimasi Fungsi Hazard Dasar
» Estimator Kernel Algoritma dan Program R
» Perkembangan Pendugaan Area Kecil
» Generalized Regression Staff Site Universitas Negeri Yogyakarta
» Pendugaan langsung Pendugaan GREG
» Model Based Design Estimator Pembahasan Hasil Kajian
» Penalized spline merupakan potongan‐potongan polinomial
» Introduction Staff Site Universitas Negeri Yogyakarta
» Pndahuluan Staff Site Universitas Negeri Yogyakarta
» Model Hazard proporsional Semiparametrik Estimasi Generalized Profile Likelihood dalam Model‐Model
» Latar Belakang Tujuan dan Manfaat Penelitian
» Algoritma PageRank Matrik Markov
» Vektor Eigen dan Nilai Eigen Metode Pangkat
Show more